L'objectif de la thèse est de concevoir et développer un système numérique de combinaison de signaux d'horloges hétérogènes (PPS, horloges atomiques, quartz, ...). Le signal résultant possède une meilleure stabilité que chacune des entrée quelque soit la durée d'intégration et il peut détecter des défaillances chez une des entrées. / The goal of the PhD is to design and build a numerical system capable of combining clock signals from various sources (PPS, atomic clocks, quartz, ...). The output signal will have a better stability at each integration time than any single input signal and it could detect failures in input sources.

La modélisation des systèmes dynamiques requiert la prise en compte d’incertitudes liées à l’existence inévitable de bruits (bruits de mesure, bruits sur la dynamique), à la méconnaissance de certains phénomènes perturbateurs mais également aux incertitudes sur la valeur des paramètres (spécification de tolérances, phénomène de vieillissement). Alors que certaines de ces incertitudes se prêtent bien à une modélisation de type statistique comme par exemple ! les bruits de mesure, d’autres se caractérisent mieux pa ! r des bornes, sans autre attribut. Dans ce travail de thèse, motivés par les observations ci-dessus, nous traitons le problème de l’intégration d’incertitudes statistiques et à erreurs bornées pour les systèmes linéaires à temps discret. Partant du filtre de Kalman Intervalle (noté IKF) développé dans [Chen 1997], nous proposons des améliorations significatives basées sur des techniques récentes de propagation de contraintes et d’inversion ensembliste qui, contrairement aux mécanismes mis en jeu par l’IKF, permettent d’obtenir un résultat garanti tout en contrôlant le pessimisme de l’analyse par intervalles. Cet algorithme est noté iIKF. Le filtre iIKF a la même structure récursive que le filtre de Kalman classique et délivre un encadrement de tous les estimés optimaux et des matrices de covariance possibles. L’algorithme IKF précédent évite quant à lui le problème de l’inversion des matrices intervalles, ce qui lui vaut de perdre des solutions possibles. Pour l’iIKF, nous proposons une méthode originale garantie pour l’inversion des matrices intervalle qui couple l’algorithme SIVIA (Set Inversion via Interval Analysis) et un ensemble de problèmes de propagation de contraintes. Par ailleurs, plusieurs mécanismes basés sur la propagation de contraintes sont également mis en œuvre pour limiter l’effet de surestimation due à la propagation d’intervalles dans la structure récursive du filtre. Un algorithme de détection de défauts basé sur iIKF est proposé en mettant en œuvre une stratégie de boucle semi-fermée qui permet de ne pas réalimenter le filtre avec des mesures corrompues par le défaut dès que celui-ci est détecté. A travers différents exemples, les avantages du filtre iIKF sont exposés et l’efficacité de l’algorithme de détection de défauts est démontré. / In this thesis, a new approach to estimation problems under the presence of bounded uncertain parameters and statistical noise has been presented. The objective is to use the uncertainty model which appears as the most appropriate for every kind of uncertainty. This leads to the need to consider uncertain stochastic systems and to study how the two types of uncertainty combine : statistical noise is modeled as the centered gaussian variable and the unknown but bounded parameters are approximated by intervals. This results in an estimation problem that demands the development of mixed filters and a set-theoretic strategy. The attention is drawn on set inversion problems and constraint satisfaction problems. The former is the foundation of a method for solving interval equations, and the latter can significantly improve the speed of interval based arithmetic and algorithms. An important contribution of this work consists in proposing an interval matrix inversion method which couples the algorithm SIVIA with the construction of a list of constraint propagation problems. The system model is formalized as an uncertain stochastic system. Starting with the interval Kalman filtering algorithm proposed in [Chen 1997] and that we name the IKF, an improved interval Kalman filtering algorithm (iIKF) is proposed. This algorithm is based on interval conditional expectation for interval linear systems. The iIKF has the same structure as the conventional Kalman filter while achieving guaranteed statistical optimality. The recursive computational scheme is developed in the set-membership context. Our improvements achieve guaranteed interval inversion whereas the original version IKF [Chen 1997] uses an instance (the upper bound) of the interval matrix to avoid the possible singularity problems. This point of view leads to a sub-optimal solution that does not preserve guaranteed results, some solutions being lost. On the contrary, in the presence of unknown-but-bounded parameters and measurement statistical errors, our estimation approach in the form of the iIKF provides guaranteed estimates, while maintaining a computational burden comparable to that of classic statistical approaches. Several constraint based techniques have also been implemented to limit the overestimation effect due to interval propagation within the interval Kalman filter recursive structure. The results have shown that the iIKF out puts bounded estimates that enclose all the solutions consistent with bounded errors and achieves good overestimation control. iIKF is used to propose a fault detection algorithm which makes use of a Semi-Closed Loop strategy which does not correct the state estimate with the measure as soon as a fault is detected. Two methods for generating fault indicators are proposed : they use the a priori state estimate and a threshold based on the a posteriori and a priori covariance matrix, respectively, and check the consistency against the measured output. Through different examples, the advantages of the iIKF with respect to previous versions are exhibited and the efficiency of the iIKF based Semi-Closed Loop fault detection algorithm is clearly demonstrated.

Nous présentons un système de tracking optique-inertiel qui consiste en deux caméras stationnaires et une Sensor Unit avec des marqueurs optiques et une centrale inertielle. La Sensor Unit est fixée sur l'objet suivi et sa position et orientation sont déterminées par un algorithme de fusion de données. Le système de tracking est destiné à asservir un outil à main dans un système de chirurgie naviguée ou assistée par ordinateur. L'algorithme de fusion de données intègre les données des différents capteurs, c'est-à-dire les données optiques des caméras et les données inertielles des accéléromètres et gyroscopes. Nous présentons différents algorithmes qui rendent possible un tracking à grande bande passante avec au moins 200Hz avec des temps de latence bas grâce à une approche directe et des filtres dits invariants qui prennent en compte les symmétries du système. Grâce à ces propriétés, le système de tracking satisfait les conditions pour l'application désirée. Le système a été implementé et testé avec succès avec un dispositif expérimental.

Depuis plusieurs années, le positionnement de terminal mobile reçoit un intérêt particulièrement grand. La motivation principale pour le développement de système de positionnement mobile provient essentiellement d'une nécessité imposée par le service E-911 de l'U.S FCC. Bien qu'au départ ils ont été utilisés pour les besoins des systèmes de sécurité d'urgence, aujourd'hui ils trouvent des applications dans de nombreux domaine tel que les systèmes cellulaires. Il existe de nombreux algorithmes développés pour le problème de localisation MT. Les méthodes traditionnelles de localisation géométrique sont conçues pour fonctionner sous les conditions de line-of-sight (LoS). Cependant, les conditions LoS pourrait ne pas être toujours présentes entre la station de base (BS) et le MT. Par conséquent, les techniques de localisation basée sur fingerprinting qui sont également l'objet de cette thèse attire l'attention en raison de leur capacité à travailler aussi en multi trajet et dans des environnements non-line-of-sight (NLoS). Dans cette thèse, nous introduisons de nouveaux algorithmes de fingerprinting, à savoir l'algorithme de power delay Doppler profile-fingerprinting (PDDP-F) qui exploite la mobilité du MT. Le but est d'augmenter la précision de localisation en utilisant la dimension Doppler. Nous étudions également les performances de localisation des algorithmes power delay profile-fingerprinting (PDP-F) et PDDP-F via la dérivation des bornes de Cramer-Rao (CRBs). L'impact de la géométrie du réseau est également étudié. Un autre sujet nous nous occupons est l'analyse de la probabilité d'erreur par paires (PEP) pour les méthodes PDP-F. Le PEP est une notion bien connue dans les communications numériques, et nous l'importons dans le domaine de la localisation pour dériver la probabilité de prendre une décision en faveur d'une mauvaise position. Le dernier sujet sur lequel nous avons travaillé est le suivi adaptatif de l'environ MT en utilisant un filtre de Kalman. Différents modèles de mobilité sont comparés en termes de leurs erreurs de prédiction de position.

Fruit d’un travail collaboratif entre le LAAS-CNRS de Toulouse et l’entreprise MEAS-France / TE Connectivity, ces travaux ont consisté en la mise en place d’une méthodologie permettant la réalisation de capteurs embarqués intelligents utilisant la fusion de données multi-physique pour estimer un paramètre en amoindrissant l’impact des variations environnementales.Nous explorons ici les méthodes liées à la modélisation et l’estimation de paramètres au travers des filtres de Kalman, pour les systèmes linéaires, et des filtres de Kalman étendus (EKF) et Unscented Kalman Filter pour les systèmes non-linéaires. Nous proposons ensuite des méthodes hybrides permettant d’obtenir le meilleur rapport charge de calculs/précision pour les systèmes présentant une évolution linéaire et une mesure non-linéaire.Après une étude de la complexité algorithmique des différentes solutions, nous proposons des méthodes permettant de diminuer la charge de calculs afin de satisfaire les contraintes temps-réel avec une faible puissance de calculs, telles que trouvées couramment dans les applications embarquées. La méthode développée est finalement appliquée sur deux cas applicatifs concrets : le capteur de qualité d’urée de la société MEAS-France/TE Connectivity et le capteur d’analyse du mouvement AREM développés au cours de la thèse au sein du LAAS-CNRS. / The work detailed in this document is the result of a collaborative effort of the LAAS-CNRS in Toulouse and MEAS-France / TE Connectivity during a period of three years.The goal here is to develop a methodology to design smart embedded sensors with the ability to estimate physical parameters based on multi-physical data fusion. This strategy tends to integrate sensors technologies, currently dedicated to lab measurements, in low powered embedded systems working in imperfects environments. After exploring model oriented methods, parameters estimations and Kalman filters, we detail various existing solutions upon which we can build a valid response to multi-physical data fusion problematics, for linear systems with the Kalman Filter, and for non-linear systems with the Extended Kalman Filter and the Unscented Kalman Filter.Then, we will synthesize a filter for hybrid systems, having a linear evolution model and a non-linear measurement model. For example, using the best of the two worlds in order to obtain the best complexity/precision ratio. Once we selected the estimation method, we detail computing power and algorithm complexity problematics in order to find available optimizations we can use to assess the usability of our system in a low power environment. Then we present the developed methodology application to the UQS sensor, sold by TE Connectivity, study case. This sensor uses near infra-red spectroscopy to determine the urea concentration in a urea/water solution, in order to control the nitrogen-oxyde depolluting process in gasoline engines. After a design principles presentation, we detail the model we created in order to represent the system, to simulate its behavior and to combine the measurement data to extract the desired concentration. During this step, we focus on the obstacles of our model calibration and the deviation compensation, due toworking conditions or to components aging process. Based on this development, we finally designed the hybrid models addressing the nominal working cases and the model re-calibration during the working duration of the product. After this, we presented obtained results, on simulated data, and on real-world measured data. Finally, we enhanced the methodology based on tabulated “black box” models which are easier to calibrate and cheaper to process. In conclusion, we reapplied our methodology to a different motion capture sensor, to compile all possible solutions and limits.

Un signal GPS est modulé par une porteuse et est étalé par un code pseudo aléatoire. Sa puissance, qui est portée en dessous du niveau du bruit, ne peut pas être directement mesurée. Les estimateurs classiques de la littérature utilisent les paramètres statistiques du maximum de la corrélation, obtenus après le désétalement du signal pour mesurer la puissance du signal reçu. Ces estimateurs nécessitent une longue période d'intégration pour être précis. De plus, ils ne tiennent pas compte de l'effet de la fréquence Doppler et du nombre de satellites visibles sur la statistique du maximum de la corrélation. Ces effets perturbateurs faussent l'estimation de la valeur C/N0 et limitent les applications qui utilisent cette grandeur telle que la réflectométrie des signaux GNSS. Ce travail de thèse propose un estimateur du rapport signal à bruit propre à chaque satellite, à partir d'un signal GPS L1. Pour présenter cet estimateur, nous avons adopté une approche en deux étapes. On suppose dans la première étape que le signal GPS est numérisé sur 1 bit, et on établit une fonction reliant l'amplitude du signal reçu au maximum de corrélation. Cette fonction non linéaire est déduite de l'architecture radio du récepteur GPS et des paramètres du signal qui sont : la fréquence Doppler et le déphasage du signal reçu. En effet, le rapport signal à bruit est une mesure relative, et pour pouvoir estimer l'amplitude du signal, on suppose que le bruit est blanc, gaussien, centré et de variance unitaire. La fonction proposée étant fortement non linéaire, nous proposons dans une deuxième étape, un estimateur dynamique de l'amplitude du signal, qui utilise le filtrage d'état non linéaire et les observations du maximum de la corrélation. Deux filtres sont évalués à cet effet ; le friltrage de Kalman sans parfum et le filtrage particulaire. / A gps signal es modulated by a carrier and is spreaded by a pseudo random code. Its power, which is carried below the level of noise, can't be directly measured. Conventional estimators literature using the statistical parameters of the maximum of the correlation, obtained after despreading of the signal to measure the received signal strength. These estimators require a long period of integration to be precise. Moreover, they do not take into account the effect of the Doppler frequency and the number of visible satellites on the statistical maximum of the correlation. These disruptive effects falsify the estimated value of C/N0 and limit the applications of the reflectometry. This thesis proposes an estimator of the signal to noise ratio own to each satellite, from a GPS L1 signal. To present this estimator, we have adopted a two-step approach. it is assumed in the first stage that the GPS signal is digitized on 1 bit, and sets a function relating the amplitude of the signal received to maximum correlation knowing the parameters of the GPS signal which are : the Doppler frequency and the phase shift of the received signal. indeed, the signal to noise ratio is a relative measure, and to estimate the signal amplitude is assumed that the noise is white, Gaussian, centered and unit variance. The proposed function is highly non-linear. We propose in a second step a dynamic estimator of the signal amplitude, which uses the non-linear state filter and the observations of the maximum correlation. Two filters are assessed in this case the Unscented Kalman filter and a particle filter.

Cette thèse porte sur l’analyse des signaux sEMG multicanaux à l’aide de la transformée en ondelettes, de la transformation de Hilbert-Huang et d’autres méthodes d’analyse ou de traitement des signaux, telles que le filtrage de Kalman et de Goertzel, pour détecter, mesurer, filtrer et décomposer les signaux sEMG afin d’identifier des tendances dans le temps et en fréquence des mouvements de flexion-extension des doigts de la main en observant les signaux myoélectriques des muscles superficiels. Le but est de prédire le mouvement des doigts de la main et de minimiser le temps de calcul pour permettre de contrôler des prothèses à l’aide de capteurs superficiels. L’hypothèse est fondée sur l’idée que tous les mouvements de la main sont une réponse active de l’activité myoélectrique des muscles spécifiques et que l’activité électrique peut être mesurée comme un signal associé à une séquence de mouvement des éléments de la main (doigts). Chaque doigt peut effectuer une trajectoire de la position de repos à la position finale, cette trajectoire qui n’est évidemment pas instantanée, engendre un signal myoélectrique lui-même non instantanée. L’activité électrique du muscle est présente sur les signaux enregistrés. Cette activité électrique peut être reconnue par un algorithme à partir d’une base de données de modèles de mouvement. Comparer l’activité électrique des muscles en temps réel par rapport à ces données peut permettre de détecter une tendance du comportement de la main et donc de prévoir le mouvement spécifique avant ou en même temps. Cette prédiction doit autoriser une baisse du temps de réponse de la prothèse / This thesis deals with the analysis of multichannel sEMG signals using wavelet transform, Hilbert-Huang transformation and other signal analysis or processing methods such as Kalman and Goertzel filtering, for detecting, measuring, filtering and decomposing sEMG signals to identify patterns in the time and frequency of flexion-extension movements of the fingers of the hand by analyzing the myoelectric signals of the superficial muscles. The aim is to predict the movement of the fingers of the hand and to minimize the computation time to allow the control of prostheses by means of superficial sensors. The hypothesis is based on the idea that all hand movements are an active response of the myoelectric activity of specific muscles and that electrical activity can be measured as a signal associated with a sequence of motion of the elements of the hand (fingers). Each finger can make a trajectory from the rest position to the final position, this trajectory which is obviously not instantaneous, generates a non-instantaneous myoelectric signal itself. The electrical activity of the muscle is present on the recorded signals. This electrical activity can be recognized by an algorithm from a database of the motion models. Comparing the electrical activity of the muscles in real time with respect to these data can make it possible to detect a tendency in the behavior of the hand and therefore to predict the specific movement before or at the same time. This prediction must allow a reduction in the response time of the prosthesis

La résolution d'un problème d'estimation de l'état d'un système nécessite de disposer d'un modèle régissant l'évolution des variables d'état et de mesurer de manière directe ou indirecte l'ensemble ou une partie de ces variables d'état. Les travaux exposés dans ce mémoire de thèse portent sur la problématique d'estimation en présence de méconnaissances de modèle et de pertes de capteurs. La première partie de ce travail constitue la synthèse d'un dispositif d'estimation d'état pour systèmes non linéaires. Cela consiste à sélectionner un estimateur d'état et convenablement le régler, puis à concevoir algorithmiquement, à partir d'un critère introduit pour la circonstance, une redondance matérielle visant à compenser la perte de certains capteurs. La seconde partie de ce travail porte sur la conception, à l'aide de la variance d'Allan, d'un sous-modèle permettant de compenser les incertitudes d'un modèle d'état, ce sous-modèle étant utilisable par un filtre de Kalman. Ce travail a été exploité pour tenir compte de dérives gyroscopiques dans le cadre d'une navigation inertielle hybridée avec des mesures GPS par un filtre de Kalman contraint. Les résultats obtenus, issus d'expériences sur deux trajectoires d'avion, ont montré un comportement sain et robuste de l'approche proposée.

Le sujet de la thèse porte sur l'étude des approches d'estimation des Signaux à Phase Polynomiale (SPP) noyés par un bruit non gaussien. Nous considérons deux modèles pour le bruit: le premier modèle est défini par une Somme Pondérée de Gaussiennes et le second par des distributions alpha-stables. Dans un premier temps, nous abordons les méthodes classiques d'analyse des SPP. L'utilisation des statistiques d'ordre fractionnaire permet d'obtenir des algorithmes robustes en présence de bruit impulsif; nous exploitons cette propriété pour proposer une Distribution de Wigner-Ville Polynomiale pour l'analyse des SPP. Cette nouvelle distribution, permet de mieux estimer la fréquence instantanée du SPP bruité. La deuxième partie est consacrée aux méthodes récentes d'analyse spectrale adaptées aux SPP. Nous proposons un algorithme MUSIC robuste obtenu par SVD de la matrice de covariation. Cet algorithme nous permet d'estimer les coefficients de la phase dans un plan temps-coefficient. Dans la troisième partie, une approche pour l'estimation des SPP par filtrage de Kalman est présentée. Cette approche repose sur un modèle d'état non linéaire avec un bruit d'observation non gaussien. Nous présentons trois types de filtres de Kalman robustes au bruit impulsif. Le premier, appelé filtre de Kalman étendu robuste utilise un gain de Kalman dépendant de la fonction de Huber. Aussi, nous proposons d'utiliser deux filtres de Kalman étendus (EKF) opérant en parallèle couplés via le terme d'apparition du bruit impulsif. Enfin, il est possible d'améliorer les performances d'estimation en utilisant un filtre UKF ‘unscented Kalman filter' à la place du filtre EKF.

Cette étude va se focaliser sur trois aspects. Dans un premier temps, un effort sera porté sur l'aspect "localisation précise" du véhicule en mouvement. Pour cela, il est nécessaire de se pencher sur l'intégration et le traitement de l'information issue de systèmes hétérogènes de navigation: GPS et centrale inertielle (INS) auxquels sera rajoutée ensuite l'odométrie. La raison de cette intégration est d'exploiter les avantages de chacun des systèmes utilisés. L'intégration utilise un filtrage numérique pour procéder à une compensation des erreurs en position, vitesse, et en attitude issues de chaque capteur. L'accent n'a pas seulement été mis sur l'intégration, mais aussi sur les notions de précision des résultats. Dans un deuxième temps, nous allons nous intéresser à la fois à la validation quantitative et qualitative des résultats et à l'élaboration d'une application exploitant notre travail. Les erreurs du système sont comparées avec une trajectoire de référence. Nous avons choisi de réaliser un système de numérisation tridimensionnelle de l'environnement couplé à un système de modélisation adapté au type d'environnement. L'étude se penchera sur le capteur d'acquisition de données télémétriques et son intégration à bord du véhicule. Un intérêt particulier est porté sur la qualité et les imprécisions des données retournées par le télémètre. L'acquisition des données se fera au vol et pendant le déplacement du véhicule. Enfin, le modèle obtenu sera exploité, de deux manières: la constitution d'un modèle géométrique et topologique précis puis l'extraction d'informations sémantiques du modèle (extraction de la route ou des obstacles fixes, identifications d'amers, caractérisation de la route, etc.).